cuda Unified Memory

cuda Unified Memory 会简化内存分配的代码编写量。

同时对于直接向gpu内存进行赋值，也可以获得很高的效率。

但是，记住，使用Unified Memory分配的内存，在进行kernel内核调用的时候，其性能是低下的。

在追求性能的时候，应该避免使用Unified Memory。

而Unified Memory的应用场景，一般也不会追求性能的。

而这里有一篇讨论的文件，可以参考:http://stackoverflow.com/questions/21986542/is-cudamallocmanaged-slower-than-cudamalloc

而本人此时：

预先利用cudaMallocManaged和cudaMalloc都分配sizoef(float) * 19200000

cuda 7.5

gpu 卡:titanx

然后进行简单加法操作:

__global__ void add(float *num) {
    int tid = blockDim.x * blockIdx.x + threadIdx.x;
    num[tid] += tid;
}

add<<<19200000 / 192, 192, 0, stream>>>(data);

结果:

cudaMallocManaged:耗时90ms.

cudaMalloc:耗时1ms.

性能相差很大